Python | Marco de datos de pandas.prod()

Python es un excelente lenguaje para realizar análisis de datos, principalmente debido al fantástico ecosistema de paquetes de Python centrados en datos. Pandas es uno de esos paquetes y facilita mucho la importación y el análisis de datos.

La función Pandas dataframe.prod()devuelve el valor del producto para el eje solicitado. Multiplica todos los elementos juntos en el eje solicitado. Por defecto se selecciona el eje de índice.

Sintaxis: DataFrame.prod(axis=Ninguno, skipna=Ninguno, level=Ninguno, numeric_only=Ninguno, min_count=0, **kwargs)

Parámetros:
eje: {índice (0), columnas (1)}
skipna: Excluir NA/valores nulos al calcular el resultado.
level : si el eje es un índice múltiple (jerárquico), cuente a lo largo de un nivel particular, colapsando en una serie
numeric_only : incluya solo columnas flotantes, int y booleanas. Si es Ninguno, intentará usar todo, luego use solo datos numéricos. No implementado para Serie.
min_count : El número requerido de valores válidos para realizar la operación. Si están presentes menos de min_count valores no NA, el resultado será NA.

Devuelve: prod: Serie o DataFrame (si se especifica el nivel)

Ejemplo #1: Use prod()la función para encontrar el producto de todos los elementos sobre el eje de la columna en el marco de datos.

# importing pandas as pd
import pandas as pd
  
# Creating the dataframe 
df = pd.DataFrame({"A":[1, 5, 3, 4, 2], 
                   "B":[3, 2, 4, 3, 4],
                   "C":[2, 2, 7, 3, 4], 
                   "D":[4, 3, 6, 12, 7]})
  
# Print the dataframe
df

Usemos la dataframe.prod()función para encontrar el producto de cada elemento en el marco de datos sobre el eje de la columna.

# find the product over the column axis
df.prod(axis = 1)

Salida:

 
Ejemplo n.º 2: use prod()la función para encontrar el producto de cualquier eje en el marco de datos. El marco de datos contiene NaNvalores.

# importing pandas as pd
import pandas as pd
  
# Creating the first dataframe 
df = pd.DataFrame({"A":[1, 5, 3, 4, 2],
                   "B":[3, None, 4, 3, 4], 
                   "C":[2, 2, 7, None, 4], 
                   "D":[None, 3, 6, 12, 7]})
  
# using prod() function to raise each element 
# in df1 to the power of corresponding element in df2
df.prod(axis = 1, skipna = True)

Producción :